图像检测-6锐化.ppt

第六章 图像的锐化处理;图像锐化的目的是加强图像中景物的细节边缘和轮廓。 锐化的作用是要使灰度反差增强。 因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。;6.1 图像细节的灰度变化特性;一阶微分曲线;6.2 一阶微分锐化算法原理;6.3 单方向的一阶锐化算法;6.3.1 水平锐化算法;例 题;6.3.2 垂直锐化算法;例 题;6.3.3 单方向锐化算法的后处理;方法1：整体加一个正整数，以保证所有的灰 度值均大于零。 这样做的结果是：可以获得类似浮雕的效果。;方法2：将所有的灰度值取绝对值。 这样做的结果是，可以获得对边缘的有方向提取。;6.4 无方向一阶微分锐化算法;6.4.1 无方向的交叉微分算法;6.4.2 Sobel锐化算法;6.4.3 Priwitt锐化算法;6.4.4 一阶梯度算法效果比较;6.5 二阶微分方法的提出背景; (a) 阶跃形 (b)阶跃形 (c)脉冲状 (d)屋顶状;6.5 二阶微分方法的提出背景;2）对于细线形的细节，通过一阶微分的过0点，二阶微分的极小值点均可以检测出来。 ;3）对于渐变的细节，一般情况下很难检测，但二阶微分的信息比一阶微分的信息略多。 ;6.6 二阶微分算法;6.6.1 Laplacian 算法;为了改善锐化效果，可以脱离微分的计算原理，在原有的算子基础上，对模板系数进行改变，获得Laplacian变形算子如下所示。 ;6.6.2 Wallis算法;在前面的算法公式中注意以下几点： 1）为了防止对0取对数，计算时实际上是用 ln(f(i,j)+1); 2）因为对数值很小ln(256)=5.54,所以计算 时用46×ln(f(i,j)+1)。 （46 = 255/ln(256)）;6.7 一阶微分与二阶微分的边缘提取效果比较;6.8 微分算子在边缘检测中的应用; 交叉微分算子 Sobel算子;6.9 Canny边缘检测;（1）基本原理 高斯函数是圆对称的 ，Canny算子对最急剧变化方向上的边缘特别敏感，但在沿边缘方向上是不敏感的。 ;当一个像素满足以下三个条件时，则被认为是图像的边缘点。 ① 该点的边缘强度大于沿该点梯度方向的两个相邻像素点的边缘强度； ② 与该点梯度方向上相邻两点的方向差小于45?； ③ 以该点为中心的邻域中的边缘强度极大值小于某个阈值。;（2）Canny边缘检测算法 step1:高斯平滑函数 step2:用一阶偏导的有限差分来计算梯度的幅值和方向 step3:对梯度幅值进行”非极大值抑制” step4:用双阈值算法检测边缘 step5:链接边缘;step2:计算梯度的幅值和方向;step3:对梯度进行“非极大值抑制” 仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。 解决方法：利用梯度的方向。 ?[i,j]=Sector(? [i,j]) 四个扇区的标号为0到3，对应3X3邻域的四种可能组合。 在每一点上，邻域的中心像素M与沿着梯度线的两个像素相比。如果M的梯度值不比沿梯度线的两个相邻像素梯度值大，则令M=0。 即：;step4:阈值化 减少假边缘段数量的典型方法是对N[i，j]使用一个阈值。将低于阈值的所有值赋零值。但问题是如何选取阈值？ 解决方法：双阈值算法。 Th1?0.4Th2 得到两个阈值边缘图像T1[i,j]和T2[i,j] 在T1中提取边缘，将T2中所有间隙连接起来。;step5:链接边缘——边缘跟踪 ① 对图像2进行扫描，当遇到一个非零灰度的像素P时，跟踪以P为开始点的轮廓线，直到轮廓线的终点Q。 ② 考察图像1中与图像2中Q点位置对应的点Q′的8邻近区域。如果在Q′点的8邻近区域中有非零像素R′存在，则将其包括到图像2中，作为R点。从R开始，重复第 ①步，直到我们在图像1和图像2中都无法继续为止。 ③ 当完成对包含P的轮廓线的连接之后，将这条轮廓线标记为已访问。回到第①步，寻找下一条轮廓线。重复①②③，直到图像2中找不到新轮廓线为止。 step6:边缘细化;Canny算子的边缘提取效果; ;Canny边缘 Th1=4;Canny 算法包含许多可以调整的参数，它们将影响到算法的计算的时间与实效。 高斯滤波器的 大小：第一步所有的平滑滤波器将会直接影响 Canny 算法的结果。较小的滤波器产生的模糊效果也较少，这样就可以检测较小、变化明显的细线。较大的滤波器产生的模糊效果也较多，将较大的一块图像区域涂成一个 特定点的颜色值。这样带来的结果就是